基于波动率指标的港股选股与交易策略

金融工程研究报告|2025年8月12日 基于波动率指标的港股选股与交易策略 华通证券国际有限公司研究部金融工程组SFC：AAK004 Email:research@waton.com 基本内容 本研究通过多轮筛选从香港恒生指数的医疗、资讯科技、金融、非必需消费品和工业五个板块中选出高波动率股票，并构建了一套基于移动平均线的波动率交易策略。结果显示，该策略能够有效捕捉高波动率股票的交易机会，实现稳定盈利。策略的核心逻辑在于结合波动率指标和移动平均线，过滤噪声信号，提升交易信号可靠性。 关键结论 在当前市场环境下，针对高波动性证券的短线与长线交易策略存在显著的交集效应。通过系统性运用波动率指标构建的交易策略，能够在该类证券上实现稳定的超额收益。 本研究构建的港股高波动性证券量化交易模型，通过耦合多时间维度波动率动态特征与双层过滤机制（波动率阈值突破+趋势动量验证），在政策与流动性冲击频发的市场环境中展现出显著优势：实现55.05%的年化收益率（超越基准39.47%），以5.49%的最大回撤和3.5977的夏普比率，验证了模型在收益捕获与风险规避层面的双重有效性。其核心在于通过“环境感知→趋势确认→风险隔离”的三阶架构，将波动率拐点识别与动态止损规则非线性协同，成功转化为可持续的Alpha引擎，为离岸市场高波动环境提供了兼具适应性与稳定性的解决方案。这一发现不仅验证了波动率因子在特殊市场结构中的战略价值，更揭示了量化模型通过机制耦合应对结构性脆弱特征的可行路径。 风险提示 在本策略中，要确保数据的准确与交易的及时性，若数据来源不真实或没有完全按照模型输出结果进行交易，可能会导致实际结果与模型产生较大偏差。同时本模型适用于市场处于震荡环境的情况，且若市场处于极端波动的时候(如VIX>40)，波动率聚集效应将导致虚假突破频现，会导致模型失效。在部署时，务必考虑当前的市场环境，设定合适的止盈与止损，必要时应采取更多的结构性调整措施，以提高模型的适应性和稳定性。 一、背景介绍 1.当前港股市场处于牛市高波动阶段 在展开因子选择和策略设计前，有必要先简要说明当前港股市场的整体环境。2025年二季度，港股市场呈现出明显的牛市特征：资金持续流入，投资者风险偏好显著提升。例如，2025年Q2南向资金单月净流入超过800亿港元，显示外资对港股的配置意愿大幅增强。与此同时，市场普遍预期美联储将在年内降息三次，美元流动性改善，进一步推动外资流入港股。作为离岸市场，港股对全球流动性变化反应敏感，外资风险溢价（ERP）下降，资金往往优先流向高Beta板块（如科技、消费），这些板块本身就具有较高的波动性。因此，牛市环境下，港股市场的波动率特征尤为突出。 2.为什么选择波动率作为主要因子 市场环境适配性:牛市的核心特征是资金持续流入和投资者风险偏好上升。在此背景下，资金倾向于追逐高波动、高弹性的资产，尤其是科技、消费等高Beta板块。波动率的提升不仅反映了市场情绪的变化，也意味着更多的交易机会和潜在的超额收益。 买卖盘失衡的量化表征:港股个股波动率飙升时，往往伴随着订单簿厚度骤减和大单成交占比突增，这直接反映了多空双方的激烈博弈。一方面，这种现象带来了更高的流动性，另一方面也导致股价大幅波动，为短线套利提供了更多机会。此外，波动率的变化率还可以作为市场异动的前瞻性指标。 3.引入移动平均线的平滑作用 在波动率交易中，若仅依赖单日波动率信号，容易受到市场噪音的干扰。例如，短期流动性冲击、异常交易行为或临时性事件可能导致日内波动异常放大，这些偶发信号并不一定代表趋势的真实变化。如果直接基于这些信号进行交易，容易产生大量无效操作，增加交易成本，降低策略稳定性。 为此，模型使用移动平均（MA）机制来平滑处理数据：通过计算过去若干天的波动率均值，过滤掉短期异常波动，更可靠地识别趋势方向。窗口期的选择需要在敏感性和稳定性之间权衡：较短窗口能更快捕捉趋势，但噪音较多；较长窗口信号更稳健，但可能滞后于市场变化。本模型采用多组均线组合动态验证信号，在减少无效交易的同时，尽可能保留有效趋势信息，从而优化整体策略表现。 二、基本设定 1.回测2024/7/16至2025/7/17一年数据，且选股使用的数据（如成交量、波动率）均采用前一天数据，防止未来数据泄露。 2.使用每天开盘价交易，收盘价用于收益测算，最后一天强制平仓时使用收盘价。 3.所有挂单均为即时全部交易。 4.不考虑交易手续费。 三、模型构建过程 a.股票筛选与组合构建: 第一：从恒生指数的行业板块中挑选部分板块作为研究对象：选择医疗、资讯科技、金融、非必需消费品及工业五个历史波动率较高、市场流动性充足的板块中筛选高波动股票作为主要套利标的。 第二：从这些板块中，按照如下标准进行剔除： 1.流动性不足：基于相对成交量，剔除成交量后80%的股票，以降低交易执行难度及冲击成本。 2.基于估值指标对股票进行筛选，剔除估值（PE/PB）为负的标的，并排除估值分位数过高的异常样本。 3.基于基本面增长率指标（如营收增长率、净利润增长率）筛选标的，剔除增长动能显著恶化和存在持续性衰退趋势的个股。 4.波动率分布：为进一步控制组合的波动风险，筛选出波动率高于平均水且标准差处于合理区间的股票。 各行业波动率分析结果 industry volatility 资讯科技 0.046878 医疗 0.040133 工业 0.037765 非必需消费品 0.0372 金融 0.03646 5.通过市值过滤（市值大于100亿），确定79支股票作为股票池。 模型在能源、工业工程、工用运输、专业零售、媒体及娱乐、食物饮品和软件服务七个板块进行选股，主要是基于它们作为稳定投资来源的特性。通过严格排除高波动单边趋势板块（如年波动率达46%的半导体）及流动性枯竭的冷门板块（如换手率仅0.2%的教育行业），构建具备抗风险能力的组合。所选板块平均波动率为0.22，显著低于市场基准0.26，且70%板块具有刚性需求特性（如能源、食物饮品），平均换手率1.6%，保障充足流动性。 我们设定了强制条件：股票市值需在10亿港元以上，以确保其市场地位和稳定性；5日平均成交额需大于100万港元，以保证流动性。在同时满足这两个条件的情况下，100万港元对所选股票的历史交易滑点均值<0.3%。从操作性上来讲，这个策略适用于普通投资者的正常投资量级水平，常见资金量可以较为顺利地被市场所吸收。 在选股过程中，我们根据每个板块的特点，给予指标对股票价格影响大小的不同，从而制定相应的附加条件。由于不同板块之间的市场情况和逻辑差异，在制定指标时会在众多技术面因子中选择对股价波动影响较大的，并辅以基本面因子作为其附加条件。如在工用运输板块中，我们观察得出OBV的趋势变化以及BR指标对股价变化影响较大，所以用26日周期BR以及OBV指标趋势和基本面因子组成共九个附加条件，确保了选股逻辑的科学性和针对性。基于这些考虑，本研究从上述板块中筛选出波动率适中且变化小的股票作为投资组合基础，以保证一定的收益率。同时，只有满足半数以上附加指标要求的股票才能入选。最终，我们确定了124只股票，构成了一个稳定收益的股票池，确保了波动性与收益性的良好平衡，满足投资者对稳定收入的需求。 最后，将所有股票代入回测模型进行测试，按高波动:稳定收益=4:6的比例筛选出表现良好的十只股票作为最终股票组合，筛选结果如下： 0590.HK六福集团2400.HK心动公司0780.HK同程旅行 1308.HK海丰国际2386.HK中石化炼化工程0354.HK中国软件国际 1385.HK上海复旦1093.HK石药集团0799.HKIGG3339.HK中国龙工 b.波动率交易策略: 1.买卖信号条件设定:模型的交易逻辑基于波动率的短期变化与长期趋势的对比。具体而言，当某只股票连续两天的波动率均值高于其过去三个月的平均波动率时，模型触发交易信号。此时，若短期均线上穿长期均线，即MA_short-MA_long>0，则执行买入操作；反之，若短期均线下穿长期均线，则卖出。通过动态调整均线组合，模型能够捕捉不同时间尺度上的趋势变化，从而在波动率放大的市场环境中实现收益优化。 2.硬性止损阈值:规定5%的止损线，止损信号优先于买卖信号。这一策略的核心在于利用波动率的突变作为交易触发点，并结合均线系统判断趋势方向，既避免了过度交易，又能在市场波动加剧时及时调整仓位，实现风险与收益的平衡。 3.股票权重配置:采用年化波动率作为指标，用年化波动率的倒数对投资组合股票进行权重分配，可减少高波动率股票带来的风险。 四、结果显示 随后运行回测程序，以恒生指数作为基准比较，得到结果如下： 综合策略表现: 初始资本:HKD10,000,000 最终价值:HKD15,344,118 年化收益率:55.05% 最大回撤:-5.49% 年化波动率:11.26% 夏普比率:3.5977 胜率:47.97%1.核心结果展示 基准表现: 年化收益率:39.47% 最大回撤:-19.95% 年化波动率:28.44% 夏普比率:1.1798 胜率:52.24% 回测数据显示，该量化策略在港股市场表现显著优于基准： 收益能力:年化收益率达55.05%，超越基准39.47%； 风险控制:最大回撤仅-5.49%（基准为-19.95%），年化波动率11.26%（基准28.44%）； 收益风险比:夏普比率3.5977，远高于基准的1.1798，显示优异的风险调整后收益。 回测结果显示，在港股市场波动较高时，该模型对于可以实现稳定套利，对于震荡幅度较大的股票表现更佳；同时收益率曲线较为平稳，在市场出现系统性下跌时能在较大程度上规避下跌风险并跑赢大盘。 2.结果有效性分析: 策略的优异表现主要依赖以下机制： 波动率动态捕捉:多时间维度波动率阈值突破有效识别市场压力期，提前触发防御。 趋势验证过滤:跨期均线验证机制减少虚假信号（胜率47.97%虽低于基准，但高盈亏比弥补了频率劣势）。 非线性风控:动态止损与波动率环境协同，在保留上行空间的同时截断尾部风险（最大回撤仅为基准的1/4）。 收益展示与组合曲线对比： 五、研究局限性与改进方向1.未覆盖的风险 (1)数据完整性与质量：部分小市值或冷门股票历史数据不全，可能影响样本代表性； (2)市值分组方法：采用分位数分组，未能充分考虑行业内市值分布的极端不均衡现象； (3)交易摩擦与流动性风险：回测未充分计入实际交易中的滑点、手续费及流动性约束，实际收益可能低于理论值； (4)参数稳定性与过拟合风险：模型参数在不同市场环境下的稳定性尚需进一步检验，未来可引入更丰富的机器学习方法进行鲁棒性测试。 2.未来优化空间 未来研究可以从以下几个方面进一步完善： (1)本策略回测时采用全仓交易且不计手续费，未来可以设定交易仓位限制，并且设定时间间隔避免交易成本过高，使结果更加贴合于现实。 (2)引入更细致的行业与风格因子，增加买卖信号频次以获得持续稳定的Alpha收益。 (3)本策略选股时有部分板块未进入选股范围，未来可以加入更多板块的股票，并且尝试更优的权重配比。 六、实操建议 我们在后附上每只股票的买卖点提示和收益展示。基于本模型的震荡市场操作框架，实证表明需遵循三层级信号验证机制：当标的证券连续两日历史波动率均值突破三个月阈值时，启动趋势判别流程，依据短期均线（MA_short）与长期均线（MA_long）的交叉方向执行买卖操作（上穿买入/下穿卖出），并叠加5%盘中浮动止损。建议投资者每月末按波动率倒数法则动态调整持仓权重，确保组合风险结构与市场环境同步演化。 七、风险提示 在本策略中，要确保数据的准确与交易的及时性，若数据来源不真实或没有完全按照模型输出结果进行交易，可能会导致实际结果与模型产生较大偏差。同时本模型适用